Python数据分析与挖掘实战（第3版）

图书介绍

本书作者从实践出发，结合大量数据挖掘工程案例及教学经验，以真实案例为主线，深入浅出介绍数据挖掘建模过程中的有关任务：数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等。因此，图书的编排以解决某个应用的挖掘目标为前提，先介绍案例背景提出挖掘目标，再阐述分析方法与过程，最后完成模型构建，在介绍建模过程中同时穿插操作训练，把相关的知识点嵌入相应的操作过程中。为方便读者轻松地获取一个真实的实验环境，本书使用大家熟知的Python语言对样本数据进行处理以进行挖掘建模。

图书目录

第1章 数据挖掘基础

1.1 某知名连锁餐饮企业的困惑
1.2 从餐饮服务到数据挖掘
1.3 数据挖掘的基本任务
1.4 数据挖掘建模过程
       1.4.1 定义挖掘目标
       1.4.2 数据取样
       1.4.3 数据探索
       1.4.4 数据预处理
       1.4.5 挖掘建模
       1.4.6 模型评价
1.5 常用数据挖掘建模工具
小结

第2章 Python数据分析简介

2.1 搭建Python开发平台
       2.1.1 所要考虑的问题
       2.1.2 基础平台的搭建
2.2 Python使用入门
       2.2.1 运行方式
       2.2.2 基本运算
       2.2.3 数据结构
       2.2.4 判断与循环
       2.2.5 函数
       2.2.6 库的导入与添加
2.3 Python数据分析与挖掘常用库
       2.3.1 NumPy
       2.3.2 SciPy
       2.3.3 Matplotlib
       2.3.4 pandas
       2.3.5 StatsModels
       2.3.6 scikit-learn
       2.3.7 TensorFlow
       2.3.8 Keras
       2.3.9 PyTorch
       2.3.10 PaddlePaddle
       2.3.11 XGBoost
       2.3.12 gensim
2.4 配套附件使用设置
小结

第3章 数据探索

3.1 数据质量分析
       3.1.1 缺失值分析
       3.1.2 异常值分析
       3.1.3 一致性分析
3.2 数据特征分析
       3.2.1 分布分析
       3.2.2 对比分析
       3.2.3 统计量分析
       3.2.4 周期性分析
       3.2.5 贡献度分析
       3.2.6 相关性分析
3.3 Python主要数据探索函数
       3.3.1 基本统计特征函数
       3.3.2 拓展统计特征函数
       3.3.3 统计绘图函数
小结

第4章 数据预处理

4.1 数据清洗
       4.1.1 缺失值处理
       4.1.2 异常值处理
       4.1.3 重复值处理
4.2 数据集成
       4.2.1 实体识别
       4.2.2 冗余属性识别
       4.2.3 数据变换
       4.2.4 简单函数变换
       4.2.5 规范化
       4.2.6 连续属性离散化
       4.2.7 属性构造
       4.2.8 小波变换
4.3 数据规约
       4.3.1 属性规约
       4.3.2 数值规约
       4.3.3 Python主要数据预处理函数
小结

第5章 挖掘建模

5.1 分类与预测
       5.1.1 实现过程
       5.1.2 常用的分类与预测算法
       5.1.3 回归分析
       5.1.4 决策树
       5.1.5 人工神经网络
       5.1.6 分类与预测算法评价
       5.1.7 Python分类预测模型特点
5.2 聚类分析
       5.2.1 常用聚类分析算法
       5.2.2 K-Means聚类算法
       5.2.3 聚类分析算法评价
       5.2.4 Python主要聚类分析算法
5.3 关联规则
       5.3.1 常用关联规则算法
       5.3.2 Apriori算法
5.4 时序模式
       5.4.1 时间序列算法
       5.4.2 时间序列的预处理
       5.4.3 平稳时间序列分析
       5.4.4 非平稳时间序列分析
       5.4.5 Python主要时序模式算法
5.5 离群点检测
       5.5.1 离群点检测方法
       5.5.2 基于模型的离群点检测方法
       5.5.3 基于聚类的离群点检测方法
小结

第6章 房屋租金影响因素分析与预测

6.1 背景与挖掘目标
6.2 分析方法与过程
       6.2.1 数据预处理
       6.2.2 数据探索
       6.2.3 模型构建
6.3 上机实验
6.4 拓展思考
小结

第7章 商超客户价值分析

7.1 背景与挖掘目标
7.2 分析方法与过程
       7.2.1 数据探索与预处理
       7.2.2 模型构建及结果分析
7.3 上机实验
7.4 拓展思考
小结

第8章 商品零售购物篮分析

8.1 背景与挖掘目标
8.2 分析方法与过程
       8.2.1 分析步骤与流程
       8.2.2 数据探索分析
       8.2.3 数据预处理
       8.2.4 模型构建
8.3 上机实验
8.4 拓展思考
小结

第9章 基于水色图像的水质评价

9.1 背景与挖掘目标
9.2 分析方法与过程
       9.2.1 分析步骤与流程
       9.2.2 数据预处理
       9.2.3 模型构建
       9.2.4 水质评价
9.3 上机实验
9.4 拓展思考
小结

第10章 家用热水器用户行为分析与事件识别

10.1 背景与挖掘目标
10.2 分析方法与过程
       10.2.1 分析步骤与流程
       10.2.2 数据探索分析
       10.2.3 数据预处理
       10.2.4 模型构建
       10.2.5 模型检验
10.3 上机实验
10.4 拓展思考
小结

第11章 电视产品个性化推荐

11.1 背景与挖掘目标
11.2 分析方法与过程
       11.2.1 分析步骤与流程
       11.2.2 数据预处理
       11.2.3 分析与建模
       11.2.4 模型评价
11.3 上机实验
11.4 拓展思考
小结

第12章 天问一号事件中的网民评论情感分析

12.1 背景与挖掘目标
12.2 分析方法与过程
       12.2.1 分析步骤和流程
       12.2.2 数据说明
       12.2.3 数据探索
       12.2.4 文本预处理
       12.2.5 绘制词云图
       12.2.6 使用朴素贝叶斯构建情感分析模型
       12.2.7 模型评估
       12.2.8 模型优化
12.3 上机实验
12.4 拓展思考
小结

第13章 基于TipDM大数据挖掘建模平台实现商超客户价值分析

13.1 平台简介
       13.1.1 共享库
        13.1.2 数据连接
        13.1.3 数据集
        13.1.4 我的工程
13.2 快速构建数据挖掘工程
        13.2.1 数据源配置
        13.2.2 数据探索与处理
        13.2.3 模型构建与结果分析        
小结